大多数的卷积结构都是在精度-参数量-计算量这三个维度上进行不同的侧重取舍。两个矛盾：追求计算效率的卷积结构由于计算预算较低，无论是限制卷积层的深度，还是限制了卷积的宽度，不可避免地会导致性能的下降。追求精度提升的卷积结构由于其引入过多的卷积运算或其他额外的操作（如注意力），势必会增大内存或计算开销，从而影响模型的容量和整体的训练或推理速度。一个设计的原则就是我们如何在不增加额外参数量的情况下，尽可

那就让我们来整理一下深度学习中离不开的激活函数！激活函数（Activation Function）是一种添加到人工神经网络中的函数，旨在帮助网络学习数据中的复杂模式。类似于人类大脑中基于神经元的模型，激活函数最终决定了要发射给下一个神经元的内容。在人工神经网络中，一个节点的激活函数定义了该节点在给定的输入或输入集合下的输出。标准的计算机芯片电路可以看作是根据输入得到开（1）或关（0）输出的数字电路

我要说的是Tesla AI day上他们的视觉方案，其核心模板的名字也叫HydraNet，很多设计非常有启发性，想和咱们自动驾驶从业者以及爱好者一起来学习交流下。说一句Tesla牛逼！各个模块的负责人都是行业大牛！！其中CV界华人大佬的Fei-Fei Li的学生Andrej Karpathy博士就是我今天要说的这个视觉模块的主讲人。话不多说，要看懂这个方案我们首先明确一下：Tesla视觉系统的输入

本文主要总结了我前段时间的工作，主要内容如下：FOV和BEV的常用方案，对两种视角在视觉检测技术与原理上进行对比，并总结两者的优缺点；两视角下的融合方案进行了总结：尤其是在当前学术界较为“冷门”的毫米波雷达(Radar) 与“热门”的激光雷达(lidar) 的融合方案进行对比，不同于激光雷达，编者提出了自认为较为合适的针对于Radar融合方案。FOV作为一种最接近人类的视角，拥有悠久的历史，如今的

在人工智能行业有这么一句话：“深度学习有多智能、背后就有多少人工”。这句话直接说出了深度学习从业者心中的痛处，毕竟模型的好坏数据占着很大的因素，但是数据的标注成本却让很多从业者感到头疼。在标注中，矩形框标注还相对简单，但是对于像素级别的分割标注，往往需要大量的点将目标轮廓抠出来，这需要大量的时间和人力成本去完成。近期 PaddleSeg 团队发布了业界首个高性能的交互式分割自动标注工具—EISeg

如图所示，机器人在一个二维环境下运动，图中指出了机器人，障碍和目标之间的相对位置。这个图比较清晰的说明了人工势场法的作用，物体的初始点在一个较高的“山头”上，要到达的目标点在“山脚”下，这就形成了一种势场，物体在这种势的引导下，避开障碍物，到达目标点。人工势场包括引力场合斥力场，其中目标点对物体产生引力，引导物体朝向其运动（这一点有点类似于A*算法中的启发函数h）。障碍物对物体产生斥力，避免物体与

随着激光雷达的上车数量的不断攀升，如何用好激光雷达成为了重中之重，而用好激光雷达的关键点之一就在于处理好点云数据。激光点云指的是由三维激光雷达设备扫描得到的空间点的数据集，每一个点云都包含了三维坐标（XYZ）和激光反射强度（Intensity），其中强度信息会与目标物表面材质与粗糙度、激光入射角度、激光波长以及激光雷达的能量密度有关。为了更进一步解释清楚点云，笔者梳理了点云的相关参数和特点。

RRT（快速探索随机树），首先在环境中，我们有一个起始点，定义为Xinit，然后我们在环境中随机撒一个点，得到点x_rand，如果x_rand不在障碍物区域，则连接起x_init和x_rand，我们得到一条连线L，如果L整个不在障碍物里面，则沿着L，从x_init向x_rand的方向移动一定的距离，得到一个新的点，x_new，则x_init，x_new和他们之间的线段构成了一颗最简单的树。

采用非重复扫描模式的低成本固态激光雷达，如Livox Mid-70，通过累积一段时间的激光雷达点云，可以获得相对稠密的点云地图，从而有效覆盖相机图像的大部分区域，为视觉特征和激光雷达点云深度关联带来了便利，如图1所示。3、估计的深度信息不仅被用作路标点的初始深度，还被用于在FGO中构建激光雷达深度因子，以直接约束路标点的深度。2、提出了一种鲁棒的深度关联算法，实现了视觉特征和INS位姿辅助的固态激

自动驾驶数据标注正经历从二维图像向四维时空的深度重构。传统标注聚焦像素点位，如今需在统一坐标系中实现毫米级三维重建，并捕捉时序连贯性。自动化标注流水线成为主流，但面临动静分离、异形障碍物处理等工程难题。遮挡、极端天气等场景对标注提出更高要求，需结合多模态融合与仿真数据。端到端架构更需标注驾驶决策逻辑，引入语言模型解释行为意图。这一变革使标注从简单劳动升级为融合感知、推理的尖端技术，为攻克长尾挑战奠